文献

J-GLOBAL ID：202202236553703101   整理番号：22A0902168

長期短期記憶ネットワークと霧雲アーキテクチャにより可能となった重負荷CNC機械の熱誤差予測【JST・京大機械翻訳】

Thermal error prediction for heavy-duty CNC machines enabled by long short-term memory networks and fog-cloud architecture

著者 (5件)： Liang Y.C. (Faculty of Engineering, Environment and Computing, Coventry University, CV1 5FB, UK) ,  Li W.D. (Faculty of Engineering, Environment and Computing, Coventry University, CV1 5FB, UK) ,  Li W.D. (School of Logistics Engineering, Wuhan University of Technology, 430070, China) ,  Lou P. (School of Information Engineering, Wuhan University of Technology, 430070, China) ,  Hu J.M. (School of Information Engineering, Wuhan University of Technology, 430070, China)
資料名： Journal of Manufacturing Systems  (Journal of Manufacturing Systems)
巻： 62  ページ： 950-963  発行年： 2022年 
JST資料番号： D0396B  ISSN： 0278-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大型のCNC機械は,大規模でハイエンド製品の製造において重要な装置である。加工工程の間,著しい量の熱が発生し,加工温度を上げるために,機械要素の変形と更なる機械加工不正確をもたらす。近年,熱誤差を予測するためのデータ駆動アプローチが,機械加工精度を改善するためにフライ上の誤差を適応的に補償するために活発に開発された。しかし,大容量熱データを加工するそれらの低い効率のために,大型CNC機械をサポートするためのアプローチを採用することは挑戦的である。課題に取り組むため,本論文では,長短熱メモリ(LSTM)ネットワークと霧雲アーキテクチャにより可能になった大型CNCマシンにおける熱誤差予測のための新しいシステムを提案した。システムの革新的特性は次の側面を含む。(1)データベースのモデリングは,機械要素に配備された熱センサの数/位置を最適化し,計算を容易にするための過度のデータを最小にするために,物理ベースのモデリングによって拡張される。(2)データプレプロセッサを有するLSTMネットワークを,予測精度と計算効率に関して,より効果的に熱誤差をモデル化するために開発した。(3)霧雲構造を設計して,転送データの体積を最適化し,システムの低待ち時間を克服した。システムは,工業用大型CNC機械を用いて検証された。実用的な事例研究は,このシステムが,設計したシステムを使用しないプロセスと比較して,52.63%の伝送データの容積を減らし,46.53%の加工精度を改善することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  最適化 ,  データベース ,  *ネットワーク ,  機械要素 ,  機械工作 ,  工作精度 ,  待ち時間 ,  加工温度 ,  事例研究 ,  *計算機アーキテクチャ
準シソーラス用語： 計算効率 ,  予測精度 ,  物理モデル ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (4件)： 熱誤差予測 ,  大型CNC機械 ,  LSTM ,  霧の計算

分類 (1件)： 切削一般  (QC02010V)

タイトルに関連する用語 (7件)： 長期 ,  短期記憶 ,  霧雲 ,  アーキテクチャ ,  CNC ,  熱誤差 ,  予測